10.19753/j.issn1001-1390.2021.04.023
基于KPCA-WPA-SVM的变压器故障诊断模型
为提高变压器故障诊断的精度,文章提出一种基于核主成分分析(KPCA)和狼群算法(WPA)优化支持向量机(SVM)参数的变压器故障诊断方法.通过KPCA提取样本数据的非线性特征,并获得其主成分,再将其输入至高斯核SVM构成诊断模型,并利用WPA对SVM的惩罚因子以及核参数进行优化.实验结果表明,该方法诊断准确率达到93.33%,与传统SVM以及KPCA-SVM诊断模型相对比,具有更高的变压器故障诊断准确率.
核主成分分析、狼群算法、支持向量机、故障诊断、电力变压器
58
TM411(变压器、变流器及电抗器)
国家自然科学基金资助项目51741907
2021-05-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
158-164